数据挖掘

人生苦短，不止程序员，Python正在吸引来自金融领域大佬们的青睐目光。

本文将介绍一种用于解决极小量渠道的，基于标签的精准投放算法——先知。

数据挖掘中的十大实用分析方法

机器学习是艺术和科学的结合。没有哪种机器学习算法能解决所有的问题。有几个因素能影响你选择机器学习算法的决定。

机器学习算法虽多，却没有什么普适的解决方案。决策树、随机森林、朴素贝叶斯、深度网络等等等等，是不是有时候觉得挑花了眼呢？

随着互联网金融时代的到来，信用评分体系显得越发重要，本文就解读信用卡评分体系是如何建立的

在这个大数据时代，无论是企业还是个人，必须找到那些你自己做，比市场更高效的事情，建筑你的核心竞争力，而把那些你做的其实一般的事情，尽快扔回给市场，要有所为而有所不为。

借助 AI 深度分析，提升了20%的电子开关测试准确度。

华为数据挖掘方法论及案例介绍！

时间序列分析是一种常用的处理随时间变化数据的统计方法，它通过寻找数据过去的规律来预测其未来的发展趋势。时间序列分析广泛应用于自然科学和社会科学的各个领域，比如天气预报、销量预测等等。

高校的暑假即将来临，有没有想利用这个暑假为自己充电，为未来的自己赢在起跑线上，成为人工智能界的人生赢家呢？来自 KDnuggets 的 Matthew Mayo 就提供了这份书单，小编在翻译此书单的同时，还贴心搜索了相应的中文译本，并提供了中文版的购买链接。加油吧，骚年！

未来AI的主要应用是在建立能够学习数据然后生成原创内容的网络。这个想法已经充分应用于在自然语言处理（NLP）领域，这也是AI社区能够搭建出所谓语言模型的原因：语言模型的前提是学习句子在文章段落中的组成结构，从而生成新的内容。

我们常说孩子不要输在起跑线上，其实数据从业者的真正起跑线，是从你踏上工作岗位那一刻才开始的，一方面是大学还没做好培养大数据人才的准备，另一方面大学缺乏大数据人才成长的数据环境，一切都需要从头开始。

我们在收集、储存和处理大量数据方面取得的进展对于机器学习，或者说人工智能的发展起着重要的作用。许多问题都需要大数据的支持来解决，幸运的是，现在收集、存储和处理大数据的成本比以前要小得多，速度也要快得多。

本篇是旧篇中的“如何直观地理解过拟合与欠拟合的那些事”，“分层抽样与交叉验证”及新篇“模型性能度量那些事”的合集，如已看过旧篇的童鞋可以直接跳到第三部分。